OpenAI veröffentlicht 722 Mathematikmanuskripte. Jetzt wird die Prüfung zum Engpass

OpenAI hat 722 mathematische Manuskripte in 372 Ergebnisfamilien veröffentlicht. Sie entstanden bei einer Evaluierung von rund 4.000 offenen Problemen. Das Unternehmen nennt dafür im Mittel einen Rechenaufwand von etwa 3 Stunden ChatGPT Pro Denkzeit pro Ergebnis. Für die Mathematik zählt dabei nicht nur die Menge, sondern auch das Tempo, mit dem ein internes Modell sie erzeugt hat.

Eine Evaluierung lieferte 722 Manuskripte

Das öffentliche Repository enthält Arbeiten, ergänzende Beweisartefakte und Formalisierungen in Lean. Der Ausgangstext von Zvi Mowshowitz beschreibt das Ereignis als Lösungen für 90 von 500 bedeutenden offenen Problemen. Das Repository selbst verwendet die präzisere Einteilung in 722 Manuskripte aus 372 verwandten Familien und keine einheitliche Rangliste nach Schwierigkeit.

OpenAI veröffentlichte außerdem 10 gekürzte Zusammenfassungen der Modellüberlegungen. Das Modell selbst bleibt intern. Forschende können die Texte und einen Teil der formalen Artefakte prüfen, den gesamten Prozess auf demselben System aber nicht reproduzieren.

Die Beweisproduktion überholt die Lesekapazität des Fachs

Mathematische Forschung wird sowohl durch die Suche nach Beweisen als auch durch die Zeit begrenzt, die für Verständnis, Prüfung und Einordnung in die Literatur nötig ist. Eine Sammlung von 722 Manuskripten verschiebt das Verhältnis zwischen möglichen Ergebnissen und den Fachleuten, die sie verantwortungsvoll bewerten können.

Die praktische Folge reicht deshalb über die Haltbarkeit eines einzelnen Beweises hinaus. Labore müssen Formalisierung, unabhängige Prüfung und verständliche Darstellung ebenso ernsthaft finanzieren wie die Generierung selbst. Sonst führt schnellere Entdeckung nur zu einer längeren Warteschlange ungeklärter Behauptungen.

Lean deckt nur einen Teil der Sammlung ab

Laut öffentlichem Katalog besitzen 162 der 722 Manuskripte ein formalisiertes Hauptergebnis. Mit 235 der 372 Familien ist irgendein Lean Material verknüpft, was keiner vollständigen formalen Prüfung aller Arbeiten entspricht. Lean prüft zudem die eingegebene formale Aussage. Das System entscheidet allein weder, ob sie dem informellen Text exakt entspricht, noch ob das Ergebnis neu oder bedeutsam ist.

Einige nicht formalisierte Ergebnisse können Fehler enthalten, und die Sammlung hat insgesamt kein übliches Peer Review durchlaufen. Ein sofortiger historischer Wendepunkt ist daher zu früh ausgerufen. Umfang und Zahl der prüfbaren Artefakte machen die Veröffentlichung dennoch zu mehr als einer Produktdemo.

Unabhängige Korrekturen und Nutzung entscheiden über die Bedeutung

Das wichtigste Signal wird die öffentliche Revisionsgeschichte sein: wie viele Kernaussagen unabhängige Mathematiker bestätigen, wie viele korrigiert werden und wie viele in späterer Forschung Verwendung finden. Ebenso wichtig sind weitere Formalisierungen, vollständigere Prozessprotokolle und ein Modellzugang, der Systemleistung von selektiver Veröffentlichung trennt.

Werden die Ergebnisse in den kommenden Monaten zu zitierten Beweisen und neuen Werkzeugen, verändert das den Forschungsbetrieb. Bleibt der Großteil ungelesen, zeigt die Sammlung vor allem eines: Mathematik kann Behauptungen inzwischen schneller herstellen, als sie sie aufnehmen kann.

Liliths Urteil

OpenAI hat der Mathematik 722 versiegelte Pakete geschickt und nur für einen Teil einen Scanner beigelegt. Historisch wird der Moment erst, wenn unabhängige Hände den Inhalt öffnen, prüfen und verwenden.